基于神经网络的电信业务量预测

摘要

本文在分析影响电信业务量主要因素的基础上，建立了电信业务量预测模型，对电信业务量未来几年的发展进行了预测。 论文首先阐述了我国电信业的发展现状，然后指出了电信业务量的数据预测具有非线性、小样本及影响因素之间的关系复杂等特点。 论文对常用的定量预测法做了介绍。具体如回归预测法、指数平滑法、灰色模型预测法、BP神经网络法、RBF神经网络法。每种方法基于不同的数学理论和模型，因此它们在对数据的要求、预测精度和预测期间上也有差异。 对于电信行业的业务量预测，由于传统的方法是通过分析影响因素，列出关系方程即回归预测的方法，但是在数据量小、影响因素之间的关系复杂且信息不透明的情况下很难实现，本文以1989-2005年我国电信业务量的历史数据为例，根据影响电信业务量的主要因素及特点，分别采用不同的方法进行拟合，为了体现各种预测方法的可比性，对2005年的电信业务量进行预测检验，并对各个预测精度进行比较。 最后通过比较各种预测方法，归纳了各种预测方法的优缺点，分析了各种预测方法的适合预测期间，并对各预测结果的精度进行了比较，最终结果表明对于电信业务量数据的预测采用基于回归分析的神经网络法时效果最好，并用该模型对未来5年的电信业务量进行了预测及对电信业的发展提出了几点建议。

目录

文摘

英文文摘

声明

第1章绪论

1.1论文的研究背景及意义

1.2研究概况

1.2.1神经网络理论的研究

1.2.2电信行业的发展状况

1.3论文的研究内容

第2章电信业务量预测分析

2.1电信行业的相关概念

2.2电信业务量的影响因素分析

2.2.1影响电信业务量的因素

2.2.2影响程度的分析

第3章常用的预测方法与模型

3.1回归分析预测法

3.2灰色建模法

3.3指数平滑法

3.4神经网络建模法

3.4.1 BP神经网络模型

3.4.2 RBF神经网络模型

第4章实例研究

4.1回归分析法的应用

4.2灰色预测法的应用

4.3指数平滑法拟合结果

4.4基于回归分析的神经网络预测模型的建立

4.4.1基于回归分析的BP网络模型

4.4.2基于回归分析的径向基函数网络模型

4.5基于时间序列的神经网络预测模型的建立

4.5.1基于时间序列的BP神经网络的建立

4.5.2基于时间序列的RBF神经网络的建立

4.6对各种预测方法的比较

4.7对未来电信业务量的预测

4.8各种预测方法的适合预测期间

结束语

硕士期间发表的论文

参考文献

致谢